神经网络在电磁无损检测技术中应用的研究

摘要

现代工业飞速发展，各种钢铁零件的质量把关成为重大难题。电磁无损检测技术以不损害工件为前提，在金属材料无损检测领域得到了广泛的应用。人工智能技术的高速发展，推动了电磁无损检测仪器向智能化方向发展。为此，该课题开展了神经网络在电磁无损检测技术中的应用研究。 该课题研究探讨了神经网络动态模糊ISODATA学习算法并取得一定的进展。神经网络的高速并行处理、分布存贮信息等特性符合人类视觉系统的基本工作原则，具有很强的自学习性、自组织性、容错性、高度非线性、高的鲁棒性，联想记忆功能和推理意识功能等，能自动学习隐含在测试数据的物理规律和实现目前基于计算理论层次上的模式识别理论所无法完成的模式信息处理工作。依据神经网络的特性，结合动态模糊ISODATA学习算法的优点，在VC开发平台下建立了HNNS神经网络模型，并用该网络来处理由电磁无损检测仪采集到的数据。试验表明，该系统对GCr15轴承钢硬度和40Cr螺栓裂纹检测准确率均达到100％，并且效率高，稳定性好。 该课题同时开展了接口通信方面的研究，传统的串口已不能满足现代数据传输要求。USB是接口通信技术中的佼佼者，研究分析表明，USB通信技术应用在电磁无损检测技术中将会提高仪器的先进性。

目录

文摘

英文文摘

第1章绪论

1.1课题的来源及研究的目的和意义

1.2神经网络和无损检测技术发展现状

1.3电磁无损检测新技术

1.3.1小波变换

1.3.2多频涡流

1.3.3数字信号处理

1.4课题的主要研究内容

第2章神经网络技术及其应用

2.1神经网络的基本概念

2.1.1神经元模型

2.1.2网络模型介绍

2.2神经网络基本特征

2.2.1神经网络的特点

2.2.2神经网络学习的方法与规则

2.3神经网络的工作原理

2.4神经网络的开发环境

2.5神经网络在电磁无损检测中的应用

2.6本章小结

第3章电磁无损检测与USB通信技术

3.1电磁无损检测的基本概念

3.2钢铁电磁无损检测基本原理

3.3初始磁导率法检测

3.4 USB接口通信

3.4.1 USB的发展历史

3.4.2 USB的特点

3.4.3 USB系统描述

3.5本章小结

第4章神经网络系统的研究与实现

4.1网络分析系统开发环境

4.2 Microsoft Visual C++6.0开发平台介绍

4.3 Windows多线程技术

4.3.1线程概念

4.3.2多线程的编程技术

4.4网络分析系统软件界面的设计

4.5智能分析系统的神经网络设计

4.6动态模糊ISODATA算法

4.7软件操作实例

4.7.1网络的学习过程

4.7.2软件的测试分析过程

4.7.3软件的其它辅助功能

4.8本章小结

第5章系统调试及试验结果

5.1轴承钢硬度检测

5.2螺栓裂纹检测

5.3本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢